盐城网站建设制作工作室,百度怎么制作网站教程,免费发布信息网网站,公司介绍模板怎么写YoloV8的目标检测推理
原始的YoloV8封装的层次太高#xff0c;想要为我们所用可能需要阅读很多API#xff0c;下面给出比较简单的使用方式
导入所需的库
os#xff1a;用于操作文件系统。cv2 (OpenCV)#xff1a;用于图像处理。numpy#xff1a;提供数学运算#xff0…YoloV8的目标检测推理
原始的YoloV8封装的层次太高想要为我们所用可能需要阅读很多API下面给出比较简单的使用方式
导入所需的库
os用于操作文件系统。cv2 (OpenCV)用于图像处理。numpy提供数学运算特别是对数组的操作。ultralytics.YOLO一个现成的YOLO模型实现用于对象检测。torchPyTorch深度学习框架用于处理模型。serial用于串口通信。time用于时间相关的操作。
初始化串口通信的函数init_serial
init_serial 函数用于初始化串口通信。参数包括端口名称、波特率、字节大小、奇偶校验和停止位。在尝试打开串口时使用 try-except 结构来捕获异常。如果串口打开成功则返回串口对象否则打印错误信息并退出程序。
加载模型的函数load_model
load_model 函数用于加载YOLO模型。检查模型权重文件是否存在不存在则打印错误信息并退出。使用 YOLO 类从给定路径加载模型并将其传输到指定的计算设备CPU或GPU。返回加载的模型。
处理图像的函数process_images
process_images 函数负责处理指定路径下的图像。检查图像路径是否存在不存在则打印错误信息并退出。遍历指定路径下的所有 .jpg 图像。对每张图像应用YOLO模型进行对象检测。从检测结果中提取类别和边界框信息。对于检测到的每个对象绘制边界框并根据类别确定边界框颜色。根据检测结果通过串口发送“OK”或“not OK”信息。使用OpenCV显示结果图像按 q 退出循环。最后关闭所有OpenCV窗口。
主函数main
在主函数中设置计算设备。初始化串口。加载模型。调用 process_images 函数处理图像。使用 if __name__ __main__: 确保在直接运行脚本时执行主函数。
import os
import cv2
import numpy as np
from ultralytics import YOLO
import torch
import serial
import timedef init_serial(port, baudrate, bytesize, parity, stopbits):try:ser serial.Serial(port, baudrate, bytesize, parity, stopbits)time.sleep(1) # 等待串口初始化return serexcept serial.SerialException as e:print(fError opening serial port: {e})exit()def load_model(weights_path, device):if not os.path.exists(weights_path):print(Model weights not found!)exit()model YOLO(weights_path).to(device)model.fuse()model.info(verboseFalse)return modeldef process_images(path, model, serial_port):if not os.path.exists(path):print(fPath {path} does not exist!)exit()for img_file in os.listdir(path):if not img_file.endswith(.jpg):continueimg_path os.path.join(path, img_file)img cv2.imread(img_path)if img is None:print(fFailed to load image {img_path})continuemask img.copy()result model(img)cls, xywh result[0].boxes.cls, result[0].boxes.xywhcls_, xywh_ cls.detach().cpu().numpy(), xywh.detach().cpu().numpy()for pos, cls_value in zip(xywh_, cls_):pt1, pt2 (np.int_([pos[0] - pos[2] / 2, pos[1] - pos[3] / 2]),np.int_([pos[0] pos[2] / 2, pos[1] pos[3] / 2]))color [0, 0, 255] if cls_value 0 else [0, 255, 0]cv2.rectangle(mask, tuple(pt1), tuple(pt2), color, 2)res_ Yes if np.any(cls_ 1) else Noprint(res_)serial_port.write((res_ \r\n).encode())cv2.imshow(result, mask)if cv2.waitKey(1) 0xFF ord(q):breakcv2.destroyAllWindows()def main():device torch.device(cuda if torch.cuda.is_available() else cpu)print(Using device:, device)serial_port init_serial(/dev/ttyTHS1, 115200, serial.EIGHTBITS, serial.PARITY_NONE, serial.STOPBITS_ONE)model load_model(./weights/best.pt, device)process_images(./datasets/pre/, model, serial_port)if __name__ __main__:main()
